CN110958619B - 一种基于无线能量传输的无人机辅助网络中资源分配方法 - Google Patents

一种基于无线能量传输的无人机辅助网络中资源分配方法 Download PDF

Info

Publication number
CN110958619B
CN110958619B CN201911129575.2A CN201911129575A CN110958619B CN 110958619 B CN110958619 B CN 110958619B CN 201911129575 A CN201911129575 A CN 201911129575A CN 110958619 B CN110958619 B CN 110958619B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
user
base station
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911129575.2A
Other languages
English (en)
Other versions
CN110958619A (zh
Inventor
李曦
陈淑颖
纪红
张鹤立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201911129575.2A priority Critical patent/CN110958619B/zh
Publication of CN110958619A publication Critical patent/CN110958619A/zh
Application granted granted Critical
Publication of CN110958619B publication Critical patent/CN110958619B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/242—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account path loss
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H04W52/267—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the information rate
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/36—TPC using constraints in the total amount of available transmission power with a discrete range or set of values, e.g. step size, ramping or offsets
    • H04W52/367—Power values between minimum and maximum limits, e.g. dynamic range
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0446—Resources in time domain, e.g. slots or frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于无线能量传输的无人机辅助网络中资源分配方法，属于移动通信领域。首先构建由基站，无人机和用户构成的无人机辅助网络场景；然后分别构建用户与无人机，基站和无人机之间的信道模型和信道容量；利用无人机对用户的发射功率，以及基站和无人机间的信道模型，构建满足限制条件的无人机通信能耗模型并求解，在给定时间分配比例和功率分配比例的情况下引入质心概念优化无人机位置，继续在给定无人机位置的情况下优化时间分配比例和功率分配比例，交替优化获得最优解；按无人机最优位置进行无人机部署，按所求的功率和时间分配最优比例对无线资源进行分配。本发明满足用户数据速率的需求同时最大化收集无线能量，减轻能耗。

Description

一种基于无线能量传输的无人机辅助网络中资源分配方法
技术领域
本发明属于移动通信领域，具体涉及一种基于无线能量传输的无人机辅助网络中资源分配方法。
背景技术
目前，移动通信在日常生活中扮演着越来越重要的角色；在某些紧急情况下，人们需要以非常灵活和紧急的方法来支持通信，例如自然灾害和临时热点。因此，提出了无人飞行器(unmanned aerial vehicle,UAV)与地面节点协作的方式，并通过配备通信和处理模块充当飞行基站(base station,BS)，中继站或移动节点。由于部署灵活性、高移动性和低成本的优势，无人飞行器辅助的无线网络引起了业界和学术界的关注。
然而，由于无人机携带的电池有限，能源消耗是最基本的问题之一。携带更多的电池意味着无人机的重量增加，进而导致更多的飞行能耗。因此，有效的节能方法在无人机辅助无线网络中非常重要。通过引入能量收集(energy harvesting,EH)技术，可以缓解无人机能耗压力。无人机通过EH技术捕获太阳能，风能或者电磁辐射能并将其转换为电能，以应对因电池能量有限而导致的短服务时间。尤其是，同时进行无线信息与能量同步传输(simultaneous wireless information and power transfer，SWIPT)技术引起了广泛的关注，它可以通过带有发射数据的射频信号来提供稳定且可预测的能量。但是，接收机不可能利用相同的无线信号来收集能量并解码信息。因此，时间切换(time switch,TS)和功率分配(power splitting,PS)策略广泛应用于SWIPT，是分离信号以进行能量收集和数据传输的典型策略。
现有技术在引入能量收集的无人机辅助网络中，文献1：M.Hua，C.Li，Huang Y，和L.Yang，提出的“中继系统中的无人机无线功率传输的最大吞吐量”，2017年第9届无线通信和信号处理国际会议(WCSP)，2017年10月，第1-5页；使用PS SWIPT方案为无人机空中基站供能，通过对PS SWIPT方案中的时间分配比率和功率分配比率的联合优化，以优化目的节点的数据传输速率。
文献2：W.Lu，S.Fang，G.Y.Gong，L.Qian，X.Liu和J.Hua，提出了“基于OFDMA中继无线能量传输的能量受限无人机通信网络中的资源分配”，2018IEEE通信国际会议的研讨会(ICC研讨会)，2018年5月，第1-6页；公开了使用频带分离的SWIPT技术为充当中继的无人机供能，通过优化带宽分配和功率分配以提高中继传输信道容量。
文献3：L.Yang，J.Chen，M.O.Hasna和H.Yang，公开了“带有RF能量收集的无人机辅助中继系统的中断性能”，IEEE通信快报，22卷12号，第2471–2474页，2018年12月。提出了基于城市环境推导了无线能量收集功能的UAV辅助无线网络的中断概率公式。
文献4：S.Yin，Y.Zhao，L.Li和F.R.Yu，提出了“具有功率分离信息和功率传输的无人机辅助协作通信”，IEEE绿色通信与网络会刊；公开了使用PS SWIPT技术为中继无人机供能，通过优化无人机轨迹，功率分配比例和发射功率，最大化协作通信的数据速率。
虽然，现有技术为无人机能耗优化提供了各种解决方案，但是，利用无线能量传输技术为无人机供能的研究较少，同时，现有的为无人机供能的研究中，较少的考虑了用户数据速率需求。
发明内容
本发明针对无人机辅助网络中的能耗问题，提出了一种基于无线能量传输的无人机辅助网络中资源分配方法；在保证QoS(Quality of Service，服务质量)要求的同时，大大节省无人机的能耗。
具体步骤如下：
步骤一、构建由基站，无人机和用户构成的无人机辅助网络场景；
场景引入SWIPT技术，通过基站向无人机发送数据的同时，为无人机供电。无人机为多用户充当中继，采用功率分离技术进行无线能量传输。
以基站为原点建立三维直角坐标系，基站BS的位置为Is＝(0,0,H)；无人飞行器UAV的位置为Iv＝(x,y,h)。
H表示基站天线所在的高度，h表示无人机无人机飞行高度；
步骤二、构建用户与无人机之间的信道模型，并计算无人机对用户的信道容量；
用户i和无人机间的信道模型PLvi表示为：
PLvi＝PLoS,i*PLLoS,i+(1-PLoS,i)*PLNLoS,i
PLoS,i为无人机和用户间通信的路径损耗中LOS信道的概率；
Figure BDA0002277902530000021
a和b表示受环境影响的参数，θ表示用户与无人机链路的仰角。
PLLoS,i为LOS信道的路径损耗；表示为：PLLoS,i＝20lgdvi+20lgf+20lg(4π/c)+ηLoS
PLNLoS,i为NLOS信道的路径损耗；表示为：PLNLoS,i＝20lgdvi+20lgf+20lg(4π/c)+ηNLoS
dvi表示无人机和用户i间的距离；f表示载波频率；c表示光速；ηLoS表示视距链路的衰减因子，ηNLoS表示非视距链路的衰减因子。
无人机对用户i的信道容量
Figure BDA0002277902530000022
表示为：
Figure BDA0002277902530000023
Pvi表示无人机对用户i的发射功率，σ2表示接收噪声功率；
步骤三、构建基站和无人机间的信道模型，并计算基站对无人机的信道容量；
基站和无人机间的信道模型gsv表示为：
Figure BDA0002277902530000031
β表示环境路径损耗系数，dsv表示基站和无人机之间的距离。
基站对无人机的信道容量Rsv表示为：
Figure BDA0002277902530000032
Ps表示基站发射功率，ρ表示无人机接收信号的功率分离比例
步骤四、利用无人机对用户的发射功率，以及基站和无人机间的信道模型构建满足限制条件的无人机通信能耗模型；
无人机在时间T内的通信能耗模型表示为：
Figure BDA0002277902530000033
τ表示无人机的时间分配比例，
Figure BDA0002277902530000034
表示用户集合，
Figure BDA0002277902530000035
表示能量收集的转换效率；
限制条件如下：
s.t.C1:
Figure BDA0002277902530000036
C2:
Figure BDA0002277902530000037
C3:
Figure BDA0002277902530000038
C4:h＞hmin
C5:0≤ρ＜1
C6:0＜τ＜1
C1表示无人机向用户i传输的数据速率
Figure BDA0002277902530000039
需满足用户i的数据速率需求；wi表示用户i的数据速率需求；
C2表示基站对无人机的信道容量Rsv需满足所有用户的数据速率需求；
C3表示无人机对所有用户的总发射功率不能超过无人机最大发射功率；Pv,max表示无人机最大发射功率；
C4表示无人机飞行高度受限；hmin表示无人机最低飞行高度；
C5表示无人机接收信号的功率分离比例取值在0到1之间；
C6表示无人机的时间分配比例取值在0到1之间。
步骤五、对无人机通信能耗模型进行求解，得到最优无人机位置，以及时间和功率的分配比例最优值。
求解的具体步骤如下：
步骤501、当无人机向用户i传输的数据速率满足用户i的数据速率需求，同时发射功率Pvi最小时，简化通信能耗模型的优化目标和各限制条件；
即条件C1中，选择
Figure BDA00022779025300000310
无人机发射功率Pvi表示为：
Figure BDA0002277902530000041
简化后的通信能耗模型优化目标表示为：
Figure BDA0002277902530000042
s.t.C2:
Figure BDA0002277902530000043
C3:
Figure BDA0002277902530000044
C4:h＞hmin
C5:0≤ρ＜1
C6:0＜τ＜1
步骤502、给定无人机的位置，更新简化后的优化目标和限制条件；
更新简化后的优化目标为：
Figure BDA0002277902530000045
Li为无人机对用户i的发射功率Pvi的计算公式中
Figure BDA0002277902530000046
的简写。
限制条件更新为：s.t.C2:
Figure BDA0002277902530000047
C5:0≤ρ＜1
C6:0＜τ＜1
C7:
Figure BDA0002277902530000048
C7表示变形后的C3；
步骤503、当基站对无人机的信道容量Rsv与所有用户的数据速率需求相等时，更新后的优化目标从双变量函数转换为单变量函数；
单变量的优化目标公式如下：
Figure BDA0002277902530000049
s.t.C7:
Figure BDA00022779025300000410
C8:
Figure BDA00022779025300000411
ww表示所有用户的数据速率需求之和；
C8表示满足条件C5和C6的情况下，τ的取值范围。
步骤504、通过梯度下降法对对单变量的优化目标求解，得到时间和功率的最优分配比例τ和ρ的值。
步骤505、在最优分配比例值τ和ρ下，对步骤502中更新后的优化目标函数进行简化；
简化后得到：
Figure BDA0002277902530000051
s.t.C3:
Figure BDA0002277902530000052
C4:h＞hmin
其中，
Figure BDA0002277902530000053
η＝(ηLoS-ηNLoS)/10；
Figure BDA0002277902530000054
步骤506、使用质心分配算法对简化后的目标函数求解，得到无人机的最优位置；
具体过程为：
首先，将信道概率视为常量，用L(x,y,h)表示优化目标，L1(x,y,h)表示优化目标左半部分，L2(x,y,h)表示优化目标右半部分。
然后，通过对左半部分L1(x,y,h)求导，得到(x,y)为用户位置质心时，左半部分L1(x,y,h)取得最小值，即:
Figure BDA0002277902530000055
同时，右半部分L2(x,y,h)的大小与无人机和基站的距离有关，因此，无人机位置最优解处在基站和用户质心连线所在的垂直平面上。
将三维直角坐标系转化为以x轴为极轴的极坐标系，
Figure BDA0002277902530000056
优化目标表达为F(d,α,h)，质点表达为(dc,αc)，优化目标表达为：
Figure BDA0002277902530000057
di表示用户i在极坐标系中的极径，αi表示表示用户i在极坐标系中的极角。
用户质点使L1(x,y,h)取得最小值，因此满足：
Figure BDA0002277902530000058
即满足
Figure BDA0002277902530000059
因此，优化目标的导数简化为：
Figure BDA00022779025300000510
Figure BDA00022779025300000511
最后，对以上公式联立推导出近似解(d*,h*)，结合限制条件h＞hmin，优化目标的求解分为两种情况：
1.近似解h*大于等于hmin，将(d*,h*)作为初始值，使用梯度下降法，进一步对问题进行求解；
2.近似解h*小于hmin，将h的初始值设定为hmin，求解
Figure BDA00022779025300000512
使用梯度下降法获得最优解。
步骤六、根据所得的无人机最优位置、功率和时间最优分配比例值ρ和τ计算无人机能耗，若能耗在迭代过程中达到收敛，结束计算，进入步骤七；否则，返回步骤五，继续优化；
收敛条件为：能耗变化值小于极小值ε。
步骤七、按照计算结果分配网络资源，按无人机位置进行无人机部署，按所求的功率和时间分配比例对无线资源进行分配。
本发明的优点在于：
1)、基于无线能量传输的无人机辅助网络中资源分配方法，减小了无人机能量消耗，仿真结果表明，与不包含EH的质心分配算法相比，本方法可以根据用户数据速率需求的不同，动态调整能量收集方案，通过调整无人机时间分配比例，功率分配比例和飞行位置，利用无线能量收集技术，减轻无人机能量消耗，在数据速率要求较低时，还可以最大化的为无人机电池充电。
2)、基于无线能量传输的无人机辅助网络中资源分配方法，考虑了满足用户数据速率需求，与仅由EH供电分配算法相比，本方法可以较好地满足用户数据速率的需求同时最大化收集无线能量，减轻能量消耗。
3)、基于无线能量传输的无人机辅助网络中资源分配方法，在优化无人机能耗和满足用户数据速率需求之间实现了一个较好的平衡。
附图说明
图1为本发明基于无线能量传输的无人机辅助网络中资源分配方法的流程图；
图2为本发明构建的无人机辅助网络场景图；
图3为本发明所使用的质心分配算法示意图；
图4为本发明所提算法与现有没有质点的算法关于迭代与算法复杂度的对比图；
图5为本发明在不同用户数据速率需求下的无人机位置优化结果图；
图6为本发明在不同用户数据速率需求下的功率和时隙分配优化结果图；
图7为本发明所提算法与静态资源分配算法和无人机仅由EH供电的资源分配算法的对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明作进一步的详细描述。
本发明无人机在网络中充当中继，通过采用PS SWIPT技术接收信息并从BS收集能量，在下一个时隙为地面用户提供通信服务。通过优化功率分配比和时间分配比，实现了能量收集和信息传输之间的平衡。同时，无人机的位置对BS，无人机和用户之间的无线链路具有重要影响。
因此，在用户数据速率要求的约束下，综合考虑用户的数据速率，UAV的位置，功率和时间控制来制定优化问题，并将优化问题分解为两个子问题：无人机的功率和时分比优化，以及无人机的位置优化。在第一个子问题中，给定无人机位置，时间和功率分配比得到了优化，将双变量问题转换为单变量问题。在第二个子问题中，给定时间和功率分配比例，优化无人机位置；引入了质心以获得近似解。交替优化两个子问题，获得优化目标的近似解，从而降低了算法复杂度。
本发明整体被总结为如下步骤：首先，根据用户分布等网络情况建立无人机的能耗模型；然后，在给定时间分配比例和功率分配比例的情况下优化无人机位置，优化过程中，引入质心概念计算无人机最优位置近似解，以减轻算法复杂度。继续在给定无人机位置的情况下优化时间分配比例和功率分配比例；最后，根据最优的无人机位置、功率和时间分配比例计算无人机能耗，若能耗达到收敛，结束计算，按照计算结果分配网络资源，否则，继续重新优化。具体步骤如图1所示，如下：
步骤一、构建由基站，无人机和用户构成的典型无人机辅助网络场景；
如图2所示，场景引入SWIPT技术，通过基站，在基站向无人机发送数据的同时，为无人机供电。无人机为多用户充当中继，采用功率分离技术进行无线能量传输。
因此基站信息传输与能量收集间存在竞争关系，以基站为原点建立三维直角坐标系，基站BS的位置为Is＝(0,0,H)；无人飞行器UAV的位置为Iv＝(x,y,h)。
H表示基站天线所在的高度，h表示无人机无人机飞行高度；
步骤二、构建用户与无人机之间的信道模型，并计算无人机对用户的信道容量；
研究表明，由于无人机具有高机动性等特点，与用户的通信链路一定概率遭受LOS或NLOS路径损耗。因此，引入空对地信道模型模拟无人机与用户通信的路径损耗。
首先，无人机和用户间通信的路径损耗受用户与无人机链路与地面所成仰角的影响，一定概率下为LOS信道，一定概率下为NLOS信道；
LOS信道的概率表示为
Figure BDA0002277902530000071
其中，a和b表示受环境影响的参数，θ表示用户与无人机链路的仰角。
LOS信道的路径损耗PLLoS,i表示为
PLLoS,i＝20lgdvi+20lgf+20lg(4π/c)+ηLoS
dvi表示无人机和用户i间的距离；f表示载波频率；c表示光速；ηLoS表示视距链路的衰减因子；
NLOS信道的路禁锢损耗表示为
PLNLoS,i＝20lgdvi+20lgf+20lg(4π/c)+ηNLoS
ηNLoS表示非视距链路的衰减因子。
因此，用户i和无人机间的信道模型PLvi表示为：
PLvi＝PLoS,i*PLLoS,i+(1-PLoS,i)*PLNLoS,i
无人机对用户i的信道容量
Figure BDA0002277902530000081
表示为：
Figure BDA0002277902530000082
Pvi表示无人机对用户i的发射功率，σ2表示接收噪声功率；
步骤三、构建基站和无人机间的信道模型，并计算基站对无人机的信道容量；
使用自由空间传播模型表示基站与无人机通信的路径损耗，基站和无人机间的信道模型gsv表示为：
Figure BDA0002277902530000083
β表示环境路径损耗系数，dsv表示基站和无人机之间的距离。
基站对无人机的信道容量Rsv表示为：
Figure BDA0002277902530000084
Ps表示基站发射功率；
步骤四、利用无人机对用户的发射功率，以及基站和无人机间的信道模型构建满足限制条件的无人机通信能耗模型；
在无人机辅助网络中，由于无人机携带的电池有限，能耗成为影响无人机辅助网络的重要问题之一。携带更多电池意味着无人机的重量增加，导致更多的飞行能量消耗。无线信息和功率传输(SWIPT)技术被引入无人机辅助网络以减轻能耗压力，SWIPT可以通过射频信号和传输数据提供稳定和可预测的能量。其中，时间切换(TS)和功率分配(PS)策略是广泛应用于SWIPT的典型策略。
SWIPT协议中假设T表示时隙，则一个时隙T内，UAV在τT时间中从BS接收功率和信息，并在(1-τ)T时间内中向用户传送信息；τ表示无人机的时间分配比例；无人机通过功率分离技术接收信息和能量。ρ表示无人机接收信号的功率分配比，(1-ρ)表示信息解码的功率分配比；很明显τ∈(0,1)和ρ∈(0,1)。通过优化无人机接收和发送方案中的τ和ρ，可以更好地平衡能量消耗和数据速率。
无人机的能量消耗包含飞行能量和通信能量，飞行的动力表示为Pf，因此，时隙T中消耗的能量Ec为：
Figure BDA0002277902530000085
N为用户的总数量。
无人机在时隙T中收集能量的功率Ph表示为：Ph＝ρPsgsv；
因此，UAV在时隙T中收集的能量Eh表示为：
Figure BDA0002277902530000086
Figure BDA0002277902530000087
是EH过程能量的转换效率；
考虑到用户可能对数据速率有一定要求，因此对使用SWIPT技术的无人机能耗进行建模，在考虑用户QoS需求和前提下，通过对无人机位置、功率分配比例和时间分配比例的优化，获得最小化无人机能耗。
无人机在时间T内的通信能耗模型表示为：
Figure BDA0002277902530000091
Figure BDA0002277902530000092
表示用户集合；
限制条件如下：
s.t.C1:
Figure BDA0002277902530000093
C2:
Figure BDA0002277902530000094
C3:
Figure BDA0002277902530000095
C4:h＞hmin
C5:0≤ρ＜1
C6:0＜τ＜1
C1表示无人机向用户i传输的数据速率
Figure BDA0002277902530000096
需满足用户i的数据速率需求；wi表示用户i的数据速率需求；
C2表示基站对无人机的信道容量Rsv需满足所有用户的数据速率需求；
C3表示无人机对所有用户的总发射功率不能超过无人机最大发射功率；Pv,max表示无人机最大发射功率；
C4表示无人机飞行高度受限；hmin表示无人机最低飞行高度；
C5表示无人机接收信号的功率分离比例取值在0到1之间；
C6表示无人机的时间分配比例取值在0到1之间。
步骤五、对无人机通信能耗模型进行求解，得到最优无人机位置，以及时间和功率的分配比例最优值。
整个求解过程被解耦为两个子问题，以降低算法复杂度，求解的具体步骤如下：
步骤501、当条件C1取等号时，无人机满足用户i数据速率需求，同时发射功率Pvi最小时，简化通信能耗模型的优化目标和各限制条件；
即条件C1中，选择
Figure BDA0002277902530000097
无人机发射功率Pvi表示为：
Figure BDA0002277902530000098
简化后的通信能耗模型优化目标表示为：
Figure BDA0002277902530000099
s.t.C2:
Figure BDA00022779025300000910
C3:
Figure BDA0002277902530000101
C4:h＞hmin
C5:0≤ρ＜1
C6:0＜τ＜1
步骤502、给定无人机的位置，更新简化后的优化目标和限制条件；
更新简化后的优化目标为：
Figure BDA0002277902530000102
Li为无人机对用户i的发射功率Pvi的计算公式中
Figure BDA0002277902530000103
的简写。
限制条件更新为：s.t.C2:
Figure BDA0002277902530000104
C5:0≤ρ＜1
C6:0＜τ＜1
C7:
Figure BDA0002277902530000105
C7表示变形后的C3；
步骤503、当基站对无人机的信道容量Rsv与所有用户的数据速率需求相等时，更新后的优化目标从双变量函数转换为单变量函数；
单变量的优化目标公式如下：
Figure BDA0002277902530000106
s.t.C7:
Figure BDA0002277902530000107
C8:
Figure BDA0002277902530000108
ww表示所有用户的数据速率需求之和；
C8表示满足条件C5和C6的情况下，τ的取值范围。
步骤504、优化目标是凸函数，通过梯度下降法对对单变量的优化目标求解，得到时间和功率的最优分配比例τ和ρ的值。
优化目标是ρ的单调递减函数，同时考虑C2:
Figure BDA0002277902530000109
可以推断出，最佳ρ在C2取等号时获得。
步骤505、在最优时间和功率分配比例值τ和ρ下，对步骤502中的优化目标函数进行简化；
简化后得到：
Figure BDA0002277902530000111
s.t.C3:
Figure BDA0002277902530000112
C4:h＞hmin
其中，
Figure BDA0002277902530000113
η＝(ηLoS-ηNLoS)/10；
Figure BDA0002277902530000114
步骤506、使用质心分配算法对简化后的目标函数求解，得到无人机的最优位置，如图3所示；
具体过程为：
首先，考虑到仰角变化的复杂性，将信道概率视为常量，用L(x,y,h)表示优化目标，L1(x,y,h)表示优化目标左半部分，L2(x,y,h)表示优化目标右半部分。
然后，通过对左半部分L1(x,y,h)求导，得到(x,y)为用户位置质心时，左半部分L1(x,y,h)取得最小值，即:
Figure BDA0002277902530000115
同时，右半部分L2(x,y,h)的大小与无人机和基站的角度无关，与距离有关，因此，无人机位置最优解处在基站和用户质心连线所在的垂直平面上。
将三维直角坐标系转化为以x轴为极轴的极坐标系，
Figure BDA0002277902530000116
优化目标表达为F(d,α,h)，质点表达为(dc,αc)，优化目标表达为：
Figure BDA0002277902530000117
di表示用户i在极坐标系中的极径，αi表示表示用户i在极坐标系中的极角。
用户质点使L1(x,y,h)取得最小值，因此满足：
Figure BDA0002277902530000118
即满足
Figure BDA0002277902530000119
因此，优化目标的导数简化为：
Figure BDA00022779025300001110
Figure BDA00022779025300001111
最后，对以上公式联立推导出近似解(d*,h*)，结合限制条件h＞hmin，优化目标的求解分为两种情况：
1.近似解h*大于等于hmin，将(d*,h*)作为初始值，使用梯度下降法，进一步对问题进行求解；
2.近似解h*小于hmin，将h的初始值设定为hmin，求解
Figure BDA00022779025300001112
由于方程为5次方程，使用梯度下降法获得最优解。
步骤六、根据所得的无人机最优位置、功率和时间最优分配比例值ρ和τ计算无人机能耗，若能耗在迭代过程中达到收敛，结束计算，进入步骤七；否则，返回步骤五，继续优化；
收敛条件为：能耗变化值小于极小值ε。
步骤七、按照计算结果分配网络资源，按无人机位置进行无人机部署，按所求的功率和时间分配比例对无线资源进行分配。
仿真及性能分析
仿真场景假设有三个用户，BS的高度为40m，网络覆盖100mx 100m区域。仿真结果将所提出的方案与两种算法进行了比较：第一个算法是没有EH的质心分配方案，其中UAV分布在用户的质心处，高度是hmin。在第二种算法中，UAV通信仅由EH供电，使用平均功率分配为多用户提供信息传输，无人机也位于质心处，并以hmin的高度飞行。
第二种算法引入质点作为近似解以减轻算法复杂度，通过对比没有质点和使用质点后的梯度下降法收敛过程展示质点的引入，对算法复杂度的影响，如图4所示，通过固定用户数据速率需求，展示了引入质点和不引入质点在达到收敛时的迭代次数，从图中可以看出，引入质点后算法较快的达到收敛，降低了算法复杂度。同时，图4展示了在算法收敛中，无人机发射功率和电池能量消耗的变化过程。如图中所示，在收敛过程中，电池消耗能量不断降低，但是无人机发射总功率在收敛过程后期有较小增加。无人机发射总功率增加而电池消耗能量降低表示无人机收集能量增加，且收集的能量大于因此造成的发射功率增加。
接着研究用户数据速率需求不同对无人机部署位置的影响，分别对比了用户数据速率比例不同和总数据速率不同对无人机位置部署带来的影响，对比结果如图5所示。从图中可以看出，总数据速率相同情况下，用户数据速率需求不同，无人机的位置会更偏向数据速率需求更高的用户，以减轻路径损耗带来的影响。而随着总数据速率的增加，无人机的位置也会产生一定的偏移，相对较低的数据速率需求，无人机更靠近用户。这是因为随着用户数据速率需求的升高，无人机收集能量不能满足用户需求，因此无人机更加靠近用户，以减轻用户需求增加带来的发射功率增加。
接着研究用户数据速率比例不同和总数据速率不同对时间分离比例和功率分离比例带来的影响。如图6所示，随着总数据速率需求的增加，功率分离比例逐渐减小，随着数据速率需求的增加，无人机中继需要从基站获取更多的数据传输，因此用于能量收集分离的功率逐渐减少。同时，时间分离比例逐渐减小，随着数据速率需求的增加，无人机需要更多时间向用户传输数据，以降低瞬时数据速率需求。否则，无人机需要在较短时间内满足用户数据需求，从而需要更高的发射功率。
将无人机能耗作为评估指标，与不包含EH的质心分配算法和无人机仅由EH供电分配算法对比。其中，在不包含EH的质心分配算法中，无人机电池能量消耗等于无人机发射功率消耗。而在EH供电分配算法中，无人机电池能量消耗为0(不考虑电路消耗)，无人机发射功率消耗等于收集能量。如图7所示，与不包含EH的质心分配算法相比较，所提算法发射总功率有所增加，但总能量消耗显著较少。特别地，在总数据速率需求较低时，无人机可以在保证用户数据速率的需求下，通过能量收集为电池充电。此时，无人机选择将大部分接收信号转换为能量，从而在用户需求较小时，为电池补充消耗的能量。而在用户数据速率需求较高时，无人机收集能量带来增益较少，因此，消耗能量逐渐接近不包含EH的质心分配算法。从图中可以看出，仅由EH供电的分配算法所能提供的通信速率受限，在用户数据速率需求较高时，难以满足用户数据需求。与上述两种算法相比，所提算法在满足用户数据速率和能量消耗优化中，达到了较好的平衡。

Claims (3)

1.一种基于无线能量传输的无人机辅助网络中资源分配方法，其特征在于，具体步骤如下：
步骤一、构建由基站，无人机和用户构成的无人机辅助网络场景；
以基站为原点建立三维直角坐标系，基站BS的位置为Is＝(0,0,H)；无人飞行器UAV的位置为Iv＝(x,y,h)；
H表示基站天线所在的高度，h表示无人机无人机飞行高度；
步骤二、构建用户与无人机之间的信道模型，并计算无人机对用户的信道容量；
用户i和无人机间的信道模型PLvi表示为：
PLvi＝PLoS,i*PLLoS,i+(1-PLoS,i)*PLNLoS,i
PLoS,i为无人机和用户间通信的路径损耗中LOS信道的概率；
Figure FDA0002889250750000011
a和b表示受环境影响的参数，θ表示用户与无人机链路的仰角；
PLLoS,i为LOS信道的路径损耗；表示为：PLLoS,i＝20lgdvi+20lgf+20lg(4π/c)+ηLoS
PLNLoS,i为NLOS信道的路径损耗；表示为：PLNLoS,i＝20lgdvi+20lgf+20lg(4π/c)+ηNLoS
dvi表示无人机和用户i间的距离；f表示载波频率；c表示光速；ηLoS表示视距链路的衰减因子，ηNLoS表示非视距链路的衰减因子；
无人机对用户i的信道容量
Figure FDA0002889250750000012
表示为：
Figure FDA0002889250750000013
Pvi表示无人机对用户i的发射功率，σ2表示接收噪声功率；
步骤三、构建基站和无人机间的信道模型，并计算基站对无人机的信道容量；
基站和无人机间的信道模型gsv表示为：
Figure FDA0002889250750000014
β表示环境路径损耗系数，dsv表示基站和无人机之间的距离；
基站对无人机的信道容量Rsv表示为：
Figure FDA0002889250750000015
Ps表示基站发射功率，ρ表示无人机接收信号的功率分离比例；
步骤四、利用无人机对用户的发射功率，以及基站和无人机间的信道模型构建满足限制条件的无人机通信能耗模型；
无人机在时间T内的通信能耗模型表示为：
Figure FDA0002889250750000016
τ表示无人机的时间分配比例，
Figure FDA0002889250750000017
表示用户集合，
Figure FDA0002889250750000018
表示能量收集的转换效率；
限制条件如下：
Figure FDA0002889250750000021
Figure FDA0002889250750000022
Figure FDA0002889250750000023
C4:h＞hmin
C5:0≤ρ＜1
C6:0＜τ＜1
C1表示无人机向用户i传输的数据速率
Figure FDA0002889250750000024
需满足用户i的数据速率需求；wi表示用户i的数据速率需求；
C2表示基站对无人机的信道容量Rsv需满足所有用户的数据速率需求；
C3表示无人机对所有用户的总发射功率不能超过无人机最大发射功率；Pv,max表示无人机最大发射功率；
C4表示无人机飞行高度受限；hmin表示无人机最低飞行高度；
C5表示无人机接收信号的功率分离比例取值在0到1之间；
C6表示无人机的时间分配比例取值在0到1之间；
步骤五、对无人机通信能耗模型进行求解，得到最优无人机位置，以及时间和功率的分配比例最优值；
求解的具体步骤如下：
步骤501、当无人机向用户i传输的数据速率满足用户i的数据速率需求，同时发射功率Pvi最小时，简化通信能耗模型的优化目标和各限制条件；
即条件C1中，选择
Figure FDA0002889250750000025
无人机发射功率Pvi表示为：
Figure FDA0002889250750000026
简化后的通信能耗模型优化目标表示为：
Figure FDA0002889250750000027
Figure FDA0002889250750000028
Figure FDA0002889250750000029
C4:h＞hmin
C5:0≤ρ＜1
C6:0＜τ＜1
步骤502、给定无人机的位置，更新简化后的优化目标和限制条件；
更新简化后的优化目标为：
Figure FDA0002889250750000031
Li为无人机对用户i的发射功率Pvi的计算公式中
Figure FDA0002889250750000032
的简写；
限制条件更新为：
Figure FDA0002889250750000033
C5:0≤ρ＜1
C6:0＜τ＜1
Figure FDA0002889250750000034
C7表示变形后的C3；
步骤503、当基站对无人机的信道容量Rsv与所有用户的数据速率需求相等时，更新后的优化目标从双变量函数转换为单变量函数；
单变量的优化目标公式如下：
Figure FDA0002889250750000035
Figure FDA0002889250750000036
Figure FDA0002889250750000037
ww表示所有用户的数据速率需求之和；
C8表示满足条件C5和C6的情况下，τ的取值范围；
步骤504、通过梯度下降法对单变量的优化目标求解，得到时间和功率的最优分配比例τ和ρ的值；
步骤505、在最优分配比例值τ和ρ下，对步骤502中更新后的优化目标函数进行简化；
简化后得到：
Figure FDA0002889250750000038
Figure FDA0002889250750000039
C4:h＞hmin
其中，
Figure FDA00028892507500000310
步骤506、使用质心分配算法对简化后的目标函数求解，得到无人机的最优位置；
步骤六、根据所得的无人机最优位置、功率和时间最优分配比例值ρ和τ计算无人机能耗，若能耗在迭代过程中达到收敛，结束计算，进入步骤七；否则，返回步骤五，继续优化；
收敛条件为：能耗变化值小于极小值ε；
步骤七、按照计算结果分配网络资源，按无人机位置进行无人机部署，按所求的功率和时间分配比例对无线资源进行分配。
2.如权利要求1所述的一种基于无线能量传输的无人机辅助网络中资源分配方法，其特征在于，步骤一中所述的场景引入无线信息与能量同步传输SWIPT技术，通过基站向无人机发送数据的同时，为无人机供电；无人机为多用户充当中继，采用功率分离技术进行无线能量传输。
3.如权利要求1所述的一种基于无线能量传输的无人机辅助网络中资源分配方法，其特征在于，步骤506的具体过程为：
首先，将信道概率视为常量，用L(x,y,h)表示优化目标，L1(x,y,h)表示优化目标左半部分，L2(x,y,h)表示优化目标右半部分；
然后，通过对左半部分L1(x,y,h)求导，得到(x,y)为用户位置质心时，左半部分L1(x,y,h)取得最小值，即:
Figure FDA0002889250750000041
同时，右半部分L2(x,y,h)的大小与无人机和基站的距离有关，因此，无人机位置最优解处在基站和用户质心连线所在的垂直平面上；
将三维直角坐标系转化为以x轴为极轴的极坐标系，
Figure FDA0002889250750000042
优化目标表达为F(d,α,h)，质点表达为(dc,αc)，优化目标表达为：
Figure FDA0002889250750000043
di表示用户i在极坐标系中的极径，αi表示表示用户i在极坐标系中的极角；
用户质点使L1(x,y,h)取得最小值，因此满足：
Figure FDA0002889250750000044
即满足
Figure FDA0002889250750000045
因此，优化目标的导数简化为：
Figure FDA0002889250750000046
Figure FDA0002889250750000047
最后，对以上公式联立推导出近似解(d*,h*)，结合限制条件h＞hmin，优化目标的求解分为两种情况：
1.近似解h*大于等于hmin，将(d*,h*)作为初始值，使用梯度下降法，进一步对问题进行求解；
2.近似解h*小于hmin，将h的初始值设定为hmin，求解
Figure FDA0002889250750000048
使用梯度下降法获得最优解。
CN201911129575.2A 2019-11-18 2019-11-18 一种基于无线能量传输的无人机辅助网络中资源分配方法 Active CN110958619B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911129575.2A CN110958619B (zh) 2019-11-18 2019-11-18 一种基于无线能量传输的无人机辅助网络中资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911129575.2A CN110958619B (zh) 2019-11-18 2019-11-18 一种基于无线能量传输的无人机辅助网络中资源分配方法

Publications (2)

Publication Number Publication Date
CN110958619A CN110958619A (zh) 2020-04-03
CN110958619B true CN110958619B (zh) 2021-05-14

Family

ID=69977754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911129575.2A Active CN110958619B (zh) 2019-11-18 2019-11-18 一种基于无线能量传输的无人机辅助网络中资源分配方法

Country Status (1)

Country Link
CN (1) CN110958619B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111970709B (zh) * 2020-07-10 2022-09-16 西北农林科技大学 一种基于粒子群优化算法的无人机中继部署方法及系统
CN111954268B (zh) * 2020-09-15 2023-10-31 上海交通大学 一种基于小型无人机的协作资源再分配方法及系统
CN112752271B (zh) * 2020-12-28 2022-04-22 华南理工大学 基于无人机无线能量传输网络的多波束阵列设计方法
CN112668792B (zh) * 2020-12-31 2022-09-13 广州极飞科技股份有限公司 补给规划方法、作业方法及相关装置
CN112965369B (zh) * 2021-01-29 2022-02-01 电子科技大学 无人机三维无线通信网络的分布式部署方法
CN113179126B (zh) * 2021-03-04 2022-08-09 深圳大学 联合自由空间激光回程和能量传输的多播无人机通信系统
CN113050673B (zh) * 2021-03-25 2021-12-28 四川大学 用于辅助通信系统高能效的无人机的三维轨迹优化方法
CN112947583A (zh) * 2021-03-29 2021-06-11 清华大学 无人机通信网络拓扑优化方法及系统
CN113347593B (zh) * 2021-04-16 2022-05-03 重庆邮电大学 一种无人机的中继选择方法
CN113438009B (zh) * 2021-04-22 2022-09-06 珠海大横琴科技发展有限公司 信道分配方法、功率控制方法及相应的装置、设备、介质
CN113329434B (zh) * 2021-06-23 2022-12-27 西北工业大学 一种无线传感器网络位置优化和资源管理方法及应用
CN113506040B (zh) * 2021-08-05 2022-06-03 重庆大学 一种uav蜂群中面向高性能联邦学习的调度和资源分配方法
CN113872662B (zh) * 2021-08-17 2023-08-04 同济大学 一种基于固定翼无人机中继网络的能量效率最大化适配方法
CN113783599B (zh) * 2021-08-30 2022-05-20 吉林大学 一种无人机群的无线感知系统能量与信息传输方法
CN114584205A (zh) * 2022-05-07 2022-06-03 香港中文大学（深圳） 一种基于无人机辅助的频谱交易通信方法
CN114915998B (zh) * 2022-05-31 2023-05-05 电子科技大学 一种无人机辅助自组网通信系统信道容量计算方法
CN115412150B (zh) * 2022-07-22 2023-04-07 西安邮电大学 无人机空间位置和系统资源分配的联合优化方法
CN115379465B (zh) * 2022-08-24 2023-08-01 西安电子科技大学 一种面向空地网络的接入回传一体化能效优化方法及系统
CN115514787B (zh) * 2022-09-16 2023-06-27 北京邮电大学 用于车联网环境的智能无人机辅助决策规划方法及装置
CN115550878A (zh) * 2022-09-20 2022-12-30 重庆邮电大学 支持无线功率传输的无人机通信网络资源分配及部署方法
CN116080407B (zh) * 2022-12-06 2023-07-28 南京信息工程大学 一种基于无线能量传输的无人机能耗优化方法与系统
CN116156459B (zh) * 2023-02-21 2023-09-26 北京航空航天大学 一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9419476B2 (en) * 2012-07-10 2016-08-16 Farrokh Mohamadi Flat panel, stationary or mobile, spatially beam-formed wireless energy delivery system
TW201822436A (zh) * 2016-12-14 2018-06-16 鴻海精密工業股份有限公司 無人機的無線充電系統及無人機
CN110418286B (zh) * 2018-04-28 2020-09-29 北京邮电大学 信息与能量协同传输的通信方法、装置、无人机及系统
CN110430576B (zh) * 2019-07-17 2023-04-11 大连理工大学 无人机辅助的非正交多址接入网络中安全携能通信方法

Also Published As

Publication number Publication date
CN110958619A (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN110958619B (zh) 一种基于无线能量传输的无人机辅助网络中资源分配方法
CN111050286B (zh) 一种无人机辅助传感器网络中的轨迹和资源优化方法
CN110381445B (zh) 一种基于无人机基站系统的资源分配与飞行轨迹优化方法
CN110138443B (zh) 面向无线中继的无人机航迹和信号发射功率联合优化方法
Zhou et al. Overview of development and regulatory aspects of high altitude platform system
CN112543050B (zh) 一种面向吞吐量提升的无人机协作和轨迹优化方法
CN111107515B (zh) 无人机多链路中继通信系统的功率分配与飞行路线优化方法
Saif et al. An efficient energy harvesting and optimal clustering technique for sustainable postdisaster emergency communication systems
Xu et al. Energy‐efficient UAV communication with multiple GTs based on trajectory optimization
CN112583566B (zh) 一种基于空天地一体化系统的网络资源分配方法
CN111901812B (zh) 一种全双工蜂窝通信网基站和智慧反射面联合控制方法
CN110417458B (zh) 面向uav能量信息双中继系统的联合位置和时间优化方法
CN110753354B (zh) 基于无人机协作星地联合noma通信系统位置部署方法
CN113613198A (zh) 无人机辅助的无线携能d2d网络资源分配方法
CN112564767A (zh) 无人机网络中基于自组织优化协作的连续覆盖方法
CN110971290B (zh) 能效最优的无人机中继协同通信系统信息传输方法
CN115226068A (zh) 无人机辅助的蜂窝移动基站下行链路内容分发系统和方法
CN112543472B (zh) 认知swipt中基于dtps协议的多中继时隙与功率联合优化方法
Ye et al. Full-duplex wireless-powered IoT networks with unmanned aerial vehicle
Wang et al. Trajectory design and resource allocation for tethered-UAV assisted wireless networks
Chen et al. Energy-efficient power, position and time control in UAV-assisted wireless networks
CN112702719A (zh) 一种无人机场景下高能效d2d资源分配方法
CN109451584B (zh) 一种多天线数能一体化通信网络的最大化上行吞吐量方法
CN116390124A (zh) 基于无人机辅助的去蜂窝大规模mimo系统的资源优化方法
Jamalipour et al. Efficient task allocation protocol for a hybrid-hierarchical spatial-aerial-terrestrial edge-centric IoT architecture

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant